-
公开(公告)号：CN118781739A
公开(公告)日：2024-10-15
申请号：CN202410922874.6
申请日：2024-07-10
Applicant: 安徽大学
Abstract: 本发明属于室内环境监测技术领域，具体涉及一种基于计算机视觉的室内环境检测用报警系统及方法。本发明通过对实时视频流分析，实现了对室内关键区域环境状态的自动检测与报警，有效提高室内环境的安全性，一旦检测到异常事件，便立即发出报警信号，为室内环境安全提供有力保障，另外还通过统计各个关键区域下报警信号的发出次数、持续时长以及恢复间隔，并进行汇总分析，为环境图像处理的优先级分配提供了依据，通过优先级分配模块，能够根据不同关键区域的重要性和紧急情况，合理分配处理资源，确保重要关注区域下的环境图像能够得到优先处理，确保重点关注区域在异常事件发生时能够第一时间发出报警信号，提醒相关管理人员及时介入干预。
-
公开(公告)号：CN115063610B
公开(公告)日：2024-03-12
申请号：CN202210596186.6
申请日：2022-05-30
Applicant: 安徽大学
IPC: G06V10/62 , G06T7/62 , G06V10/764 , G06V10/774 , G06T7/11 , G06N5/01 , G06N20/10 , G06N20/20
Abstract: 本发明涉及基于Sentinel‑1、2影像的大豆种植区识别方法及其面积测算方法，与现有技术相比解决了大豆与其他作物光谱相似度高导致其依靠高维特征难以实现种植区识别的缺陷。本发明包括以下步骤：Sentinel‑1、2影像的获取和预处理；时间序列特征提取；支持向量机模型的构建；优选特征子集确定；大豆种植区识别。本发明借助GEE云计算平台，利用线性谐波模型提取大豆生长季内Sentinel‑1、2影像的时间序列特征，然后构造支持向量机模型，同时结合随机森林分类模型及斯皮尔曼相关系数探究大豆识别优选特征子集，最终利用支持向量机模型提取大豆种植区并测算面积。
-
公开(公告)号：CN117636170A
公开(公告)日：2024-03-01
申请号：CN202311659394.7
申请日：2023-12-06
IPC: G06V20/10 , G06V10/26 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及基于Re‑UNet模型的梨树种植区遥感提取方法，与现有技术相比解决了遥感影像梨树种植区提取方面存在的分类结果不准确、效率低的缺陷。本发明包括以下步骤：遥感影像数据集的获取；梨树种植区提取模型Re‑UNet的构建；梨树种植区提取模型Re‑UNet的训练；获取待分割的梨树种植区遥感影像并进行预处理；梨树种植区遥感提取结果的获得。本发明基于UNet语义分割模型，解决了小数据集中容易出现的过拟合问题，同时加入了空间、通道注意力机制与残差模块，进一步增强了高分辨率遥感影像中梨树种植区的特征传递和累积整合特性，有效减少了“椒盐现象”和错分情况，提高了整体的分割精度。
-
公开(公告)号：CN111461052B
公开(公告)日：2023-05-23
申请号：CN202010286392.8
申请日：2020-04-13
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/764
Abstract: 本发明涉及图像识别技术领域，特别涉及一种基于迁移学习的多个生育期小麦倒伏区域识别方法，包括以下步骤：A、拍摄待识别麦田的RGB图像和/或多光谱图像；B、对图像进行拼接和剪裁得到待识别麦田的完整图；C、将待识别麦田的完整图导入训练好的DeepLabv3+模型中进行倒伏区域的识别。这里基于DeepLabv3+网络模型，采用迁移学习的方式构建两种方法实现多生育期小麦倒伏区域提取，基于无人机影像和迁移学习方法可以有效获取多时期的倒伏小麦特征，实现高精度的小麦区域自动提取，使得精准检测小麦倒伏区域称为可能，为研究小麦倒伏影响因素提供有力的数据支持；该方法受环境影响小，且实现起来方便，在训练好DeepLabv3+模型以后，只需要拍摄待识别麦田的图像导入模型中即可自动识别倒伏区域。
-
公开(公告)号：CN115661674A
公开(公告)日：2023-01-31
申请号：CN202210690700.2
申请日：2022-05-20
Abstract: 本发明公开一种基于多源卫星土壤湿度数据的作物灌溉信息提取方法。首先，对MODIS卫星遥感数据产品(LST、Albedo及NDVI)进行预处理；实现多源土壤湿度产品的偏差校正及融合，构建质量可靠的土壤湿度融合数据；其次，集成现有土壤湿度降尺度方法，生成较高空间分辨率的土壤湿度降尺度数据；最后，从农田水量平衡出发，利用地面降水、自动土壤水分站观测以及田间管理数据建立农田灌溉活动监测流程，结合降尺度后的土壤湿度数据提取作物生育期灌溉信息。本发明实现了作物生育期灌溉信息的客观、可靠的提取。
-
Patent Agency Ranking
公开(公告)号：CN113275583B
公开(公告)日：2022-07-01
申请号：CN202110511842.3
申请日：2021-05-11
Applicant: 安徽大学
Abstract: 本发明特别涉及一种面向农药残留的SERS基底制备方法，A、利用种子生长法制备金纳米棒溶液；B、将金纳米棒溶液与丙氨酸溶液以一定比例混合后静置，得到丙氨酸修饰的金纳米棒溶液；C、将已修饰溶液分别置于不同酸碱环境下，得到不同电性的丙氨酸修饰金纳米棒溶液；D、将不同电性的丙氨酸修饰金纳米棒溶液涂抹在衬底上得到不同电性的SERS基底；并公开了利用该基底进行检测的方法。这里提出一种新的基底材料制备方法，相比其他传统方法，其所制备的基底材料对残留农药分子的吸附效果更强，检测的灵敏度和准确率更高；不同电性的基底材料，可以有针对的采用不同电性基底检测不同电性的残留农药，扩大检测范围，更有针对性。
-
公开(公告)号：CN113869246A
公开(公告)日：2021-12-31
申请号：CN202111163882.X
申请日：2021-09-30
Applicant: 安徽大学
Abstract: 本发明涉及基于改进CenterNet技术的小麦条锈病菌夏孢子显微图像检测方法，与现有技术相比解决了难以针对夏孢子显微图像进行检测的缺陷。本发明包括以下步骤：夏孢子显微图像的获取和预处理；夏孢子检测网络的构建；夏孢子检测网络的训练；待检测夏孢子显微图像的获取；待检测夏孢子显微图像检测结果的获得。本发明能够精准检测并分割出夏孢子显微图像中的夏孢子，且检测速度快。
-
公开(公告)号：CN112232280B
公开(公告)日：2021-12-03
申请号：CN202011217994.4
申请日：2020-11-04
Applicant: 安徽大学
Abstract: 本发明涉及基于自编码器与3D深度残差网络的高光谱图像分类方法，与现有技术相比解决了难以进行遥感高光谱图像分类的缺陷。本发明包括以下步骤：训练样本的获取；待训练高光谱遥感影像数据的预处理；堆栈自编码器神经网络模型的搭建和训练；3D深度残差网络的搭建与训练；待分类高光谱遥感影像的获取；待分类高光谱遥感影像的预处理和降维；高光谱遥感影像分类结果的获得。本发明通过搭建堆栈自编码器神经网络模型，对原始高光谱遥感影像进行降维，剔除了冗余信息；通过设计的3D卷积神经网络引入残差网络模块适当增加网络的深度，建立了3D深度残差网络，更加有效的提取了高光谱遥感影像的空谱联合信息，避免了梯度消失、网络退化的问题。
-
公开(公告)号：CN110089297B
公开(公告)日：2021-11-26
申请号：CN201910414703.1
申请日：2019-05-18
Applicant: 安徽大学
Abstract: 本发明特别涉及一种小麦赤霉病大田环境下病情严重度诊断方法，包括以下步骤：(A)在麦田采集感染小麦赤霉病麦穗45度角图像；(B)用田间麦穗分割模型分割病害图像得到麦穗区域；用小麦赤霉病分割模型分割病害图像得到病斑区域；(C)采用凹点匹配法分割麦穗和病斑的粘连区域，得到麦田中每株麦穗的面积和病斑面积；(D)计算每株麦穗的病斑面积和麦穗面积的比值R，判断R是否大于设定阈值，若R大于设定阈值，则判定该株麦穗为病穗；(E)计算麦田中病穗数量与总穗数量的比值X，并根据比值X对病情进行分级；并公开了对应的检测装置。该方法可以实现大田环境下小麦赤霉病病情诊断，诊断速度快且精确度高。
-
公开(公告)号：CN110346312B
公开(公告)日：2021-08-10
申请号：CN201910652829.2
申请日：2019-07-19
Applicant: 安徽大学
Abstract: 本发明涉及基于费氏线性判别和支持向量机技术的冬小麦穗赤霉病识别方法，与现有技术相比解决了遥感领域尚无以单穗为载体进行小麦赤霉病研究的缺陷。本发明包括以下步骤：数据获取；近地高光谱数据预处理；建模特征的选择；费氏线性判别与支持向量机相结合模型的建立；获得小麦穗高光谱识别结果。本发明实现了针对于单穗小麦的赤霉病识别。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.034 seconds)
